DATAFARM: Distribution-Aligned Task and Motion Planning for Fine-Tuning Vision-Language-Action Models

📄 arXiv: 2609.12316v1 📥 PDF

作者: Samrat Sahoo, Yixuan Huang, Tom Silver

分类: cs.RO

发布日期: 2026-09-11

💡 一句话要点

提出DATAFARM以解决机器人数据收集与模型微调问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 机器人数据收集 任务与运动规划 视觉-语言-动作模型 模型微调 行为分布对齐

📋 核心要点

  1. 现有的任务与运动规划方法在微调视觉-语言-动作模型时，生成的轨迹与预训练数据存在行为分布不匹配的问题。
  2. 提出DATAFARM，通过将预训练分布直接融入TAMP轨迹生成，来对齐生成轨迹与预训练数据。
  3. 在实验中，DATAFARM在多个任务上表现出显著的成功率提升，尤其是在桌面操作和折叠布料任务中。

📝 摘要（中文）

高质量机器人数据的收集仍然是训练机器人基础模型的基本挑战。任务与运动规划（TAMP）提供了一种可扩展的演示生成方式，但我们的实验表明，原始TAMP轨迹在微调预训练的视觉-语言-动作（VLA）模型时效果有限。我们假设这一失败源于规划生成的轨迹与VLA预训练数据之间的行为分布不匹配。为了解决这一问题，我们提出了DATAFARM：分布对齐的任务与运动规划方法，直接将预训练分布纳入TAMP轨迹生成中。DATAFARM在机器人关节配置、运动风格和时间执行特征上对生成的轨迹与预训练数据进行对齐。我们在三个TAMP能够执行的桌面操作任务和一个超出TAMP能力的折叠布料任务上评估了DATAFARM，结果显示其平均成功率为56.7%，显著优于原始TAMP的8.3%，接近人类遥控操作的61.7%。

🔬 方法详解

问题定义：本论文旨在解决机器人数据收集中的行为分布不匹配问题，现有的TAMP方法生成的轨迹在微调VLA模型时效果不佳。

核心思路：论文提出的DATAFARM方法通过直接将预训练数据的分布纳入轨迹生成过程，确保生成的轨迹在关节配置、运动风格和时间执行上与预训练数据一致。

技术框架：DATAFARM的整体架构包括轨迹生成模块，该模块结合了预训练数据的分布信息，并通过优化算法生成符合该分布的轨迹。

关键创新：最重要的创新在于将预训练分布直接融入TAMP轨迹生成中，使得生成的轨迹更符合VLA模型的训练需求，这一设计与传统的TAMP方法形成了本质区别。

关键设计：在关键设计上，DATAFARM采用了特定的损失函数来衡量轨迹与预训练数据的对齐程度，并在网络结构上进行了优化，以提高生成轨迹的质量和多样性。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果显示，DATAFARM在桌面操作任务中的平均成功率达到56.7%，显著高于原始TAMP的8.3%。在折叠布料任务中，微调后的模型在超出训练分布的情况下仍保持85%的成功率，接近预训练模型的90%。

🎯 应用场景

该研究的潜在应用领域包括机器人操作、自动化制造和人机协作等。通过提高机器人在复杂任务中的表现，DATAFARM有助于推动智能机器人在实际场景中的应用，提升工作效率和安全性。未来，该方法可能影响机器人学习和自适应控制的研究方向。

📄 摘要（原文）

Collecting high-quality robot data remains a fundamental challenge for training robot foundation models. Task and motion planning (TAMP) offers a scalable way to generate demonstrations, but our experiments show that raw TAMP trajectories provide surprisingly little benefit when used to fine-tune pretrained vision-language-action (VLA) models, despite successfully solving the target tasks. We hypothesize that this failure arises from a behavioral distribution mismatch between planner-generated trajectories and the data used to pretrain the VLA. To address this mismatch, we introduce DATAFARM: Distribution-Aligned Task And motion planning for Fine-tuning A Robot foundation Model, an approach that incorporates the pretraining distribution directly into TAMP trajectory generation. DATAFARM aligns generated trajectories with the pretraining data in robot joint configurations, motion style, and temporal execution profiles. We evaluate DATAFARM on three tabletop manipulation tasks that TAMP can perform and a cloth-folding task beyond the capability of TAMP. DATAFARM achieves an average success rate of 56.7%, substantially outperforming raw TAMP (8.3%) while approaching human teleoperation (61.7%). On Deformable Object Manipulation, which is outside the fine-tuning distribution, the fine-tuned model retains 85% success, compared with 90% for the pretrained model. These results show that aligning planner-generated demonstrations with the pretraining distribution can make TAMP an effective source of data for VLA fine-tuning. Website and code: https://prpl-group.com/datafarm/